一种袋式包装机故障智能诊断方法及系统与流程

本技术属于数据处理，具体涉及一种袋式包装机故障智能诊断方法及系统。

背景技术：

1、袋式包装机是一种用于包装散装物品或颗粒状物品的机器，主要利用自动化技术和包装材料将物品装袋密封，以保持物品的新鲜度、卫生度和保质期，可以提高物品的包装质量和工作效率，是不可缺少的自动包装设备之一。袋式包装机可根据人工设置的参数自动完成分配、计量、包装、密封等操作，在这些操作的过程中，不可避免的会出现各种各样的故障，需要及时对袋式包装机的工作状态进行检测，以便于在机器出现故障时及时进行调整和修理。

2、目前袋式包装机的智能诊断方法包括基于规则、基于模型和基于机器学习的方法。其中，基于规则的故障诊断方法根据先验知识和规则进行有效的故障诊断和预测，具有较高的准确性和可靠性，但需要事先定义好规则和故障模式，新增或变更规则、故障模式较为困难，难以覆盖全部故障类型，适用性有限。基于模型的故障诊断方法利用袋式包装机的动态模型进行故障诊断，能够全面地反映袋式包装机的运行状态，但需要先建立较复杂、准确的数学模型，训练所需时间较长，综合准确率有限。基于机器学习的故障诊断方法通过机器学习算法学习袋式包装机的运行规律和故障模式，适用性较广，自适应性强，但需要对大规模数据进行处理和训练，对硬件和软件的要求较高，建立和训练模型的过程较为复杂。

3、可见，现有的袋式包装机的故障智能诊断方法均以对应模型为基础，分析的结果受到模型的适用性影响较大，且模型建立过程复杂，对硬软件要求均较高。

4、因此，亟需一种适用性更广且对硬软件要求较低的袋式包装机故障智能诊断方法来解决上述技术问题。

技术实现思路

1、本技术实施例的目的是提供一种袋式包装机故障智能诊断方法及系统，其脱离传统较为复杂的故障模型，从制造产品时同一工序对应的机器状态应稳定的角度出发，使用传感器获取各个产品在各个时刻对应的检测值，根据这些检测值获取每个产品在同一制造时刻的时刻参数矩阵和同一产品在制造过程中的质量参数矩阵，对袋式包装机对产品的同一处理工序的各传感器数值进行分析，得到各数值对应的故障度，进而依据各数值的故障度确定袋式包装机疑似故障的位置，最终确定袋式包装机是否出现故障，从而可以有效解决背景技术中涉及的至少一个技术问题。

2、为了解决上述技术问题，本技术是这样实现的：

3、本技术实施例提供了一种袋式包装机故障智能诊断方法，包括：

4、步骤s1：获取产品在各个时刻对应的检测值；

5、步骤s2：根据获取的检测值，获取各产品在同一制造时刻的时刻参数矩阵和同一产品在制造过程中的质量参数矩阵；

6、步骤s3：根据各产品在同一制造时刻的时刻参数矩阵中各数值的离群度，获取各数值的故障度；

7、步骤s4：根据每个数值出现故障的程度、同一产品在制造过程中的质量参数矩阵以及各数值的离群度，获取各产品在制造过程中对应的故障度分布矩阵；

8、步骤s5：根据获取的故障度分布矩阵，得出袋式包装机的故障诊断结果。

9、可选的，在步骤s1中，所述获取产品在各个时刻对应的检测值，包括：

10、使用传感器获取产品在各个时刻对应的检测值，包括：

11、在每个产品进行袋包装的过程中，从第一个时刻开始，每经过时间获取一次各传感器对应的检测值，直至产品袋包装完成。

12、可选的，所述传感器包括振动速度传感器、温度传感器、振动位移传感器、位移加速度传感器、转速传感器以及薄膜标记传感器。

13、可选的，所述振动速度传感器和所述温度传感器设置于袋式包装机的电动机底座、初级传动轴轴承座、二级传动轴上隔板以及装盒机后侧动力系统；所述振动位移传感器设置于袋式包装机的装盒机机箱顶角；所述位移加速度传感器设置于袋式包装机的装包机机箱角；所述转速传感器设置于袋式包装机的主机位置；所述薄膜标记传感器安装于袋式包装机内以用于检测薄膜标记。

14、可选的，在步骤s2中，质量参数矩阵由下式表示：

15、

16、其中，为产品对应的质量参数矩阵，该矩阵的每一行对应一个传感器在不同时间获取的检测值；为每个产品从开始获取检测值到最后一个获取检测值共统计传感器对应检测值的次数；为在该产品生产过程中设置的需要获取对应检测值的传感器个数；

17、时刻参数矩阵由下式表示：

18、

19、其中，为时刻的时刻参数矩阵，该矩阵的每一行对应同一个产品在时刻各传感器对应的检测值，每行共个数值； 为袋式包装机在制造过程中加工产品的数量。

20、可选的，在步骤s3中，时刻参数矩阵中各数值的离群度由下式表示：

21、

22、其中，为时刻参数矩阵中第列值中的第行数值对应的离群度；为数值的容纳范围内包含的数值个数；为时刻参数矩阵中第列包含的数值个数；为数值的容纳范围，为时刻参数矩阵中的第列值的总范围，为数值的差异范围；为取括号内范围的长度，即为括号内范围的右端点值减去左端点值；为数值的差异范围的长度，为数值的总范围的长度；为常数系数，经验值为0.1。

23、可选的，在步骤s3中，各数值的故障度由下式表示：

24、

25、其中，为时刻参数矩阵中第列值中的第行数值对应的故障度；为时刻参数矩阵中第列值中的第行数值对应的离群度；为时刻参数矩阵中第行的各数值对应的离群度的均值；为时刻参数矩阵中的第行数值与其他各行数值之间的dtw距离的均值；为常数系数，经验值为1。

26、可选的，在步骤s4中，所述获取各产品在制造过程中对应的故障度分布矩阵，包括：

27、将各故障度按照对应位置组成的矩阵记为产品对应的故障度分布矩阵。

28、可选的，在步骤s5中，所述根据获取的故障度分布矩阵，得出袋式包装机的故障诊断结果，包括：

29、对各产品对应的各个故障度分布矩阵中各数值使用变色龙聚类算法进行聚类，当聚类得到的某个簇内各故障度的均值大于等于时，则认为该簇内各故障度对应的故障度分布矩阵内数值为异常的传感器数值，标记异常的传感器数值的传感器监测的袋式包装机位置，其中，的经验值为0.6；当有传感器监测的袋式包装机位置被标记的次数大于等于次时，则认为该位置记为袋式包装机出现故障的位置，其中，的经验值为5。

30、本技术实施例还提供了一种用于实现所述的方法的袋式包装机故障智能诊断系统，包括：

31、检测值获取模块，用于获取产品在各个时刻对应的检测值；

32、矩阵获取模块，用于根据获取的检测值，获取各产品在同一制造时刻的时刻参数矩阵和同一产品在制造过程中的质量参数矩阵；

33、故障度获取模块，用于根据各产品在同一制造时刻的时刻参数矩阵中各数值的离群度，获取各数值的故障度；

34、故障度分布矩阵获取模块，用于根据每个数值出现故障的程度、同一产品在制造过程中的质量参数矩阵以及各数值的离群度，获取各产品在制造过程中对应的故障度分布矩阵；

35、故障诊断结果得出模块，用于根据获取的故障度分布矩阵，得出袋式包装机的故障诊断结果。

36、本技术具有如下有益效果：

37、1、根据不同产品在制造工序中同一时刻的同一传感器获取的数值构成的数据范围确定传感器获取的每个数值的离群程度，在获取离群程度的过程中，将每个数值与同类数值进行比较，可降低数值间客观存在的差异导致的离群程度衡量不准确的问题；

38、2、以离群程度的评价值为基础，结合不同产品对应的多个传感器数值之间的数值组整体差异，得到每个数值对应的故障度，再根据各数据的故障度以及同一产品在制造过程中的质量参数矩阵筛选出出现故障的显著性较大的数值，进而实现可以依据该数值确定袋式包装机疑似故障的位置，最终确定袋式包装机是否出现故障。